
Inhaltsverzeichnis
Frauen werden bei der Triage in der Notaufnahme häufig deutlich weniger dringlich eingeordnet als Männer. Das zeigte eine Studie aus Frankreich, die verschiedene künstliche Intelligenz (KI) Modelle die Aufnahmedaten der Notaufnahme im Krankenhaus in Bordeaux auswerten lies.
Dieser Artikel geht näher auf die Studie ein und erklärt Ursachen und Folgen bei der Verkennung von Patientinnen in Notfall-Situationen.
Inhaltsverzeichnis
Was ist eine Triage?
Die Triage in der Notaufnahme bezeichnet ein strukturiertes Verfahren zur Einschätzung der Behandlungsdringlichkeit von Patientinnen und Patienten. Sie erfolgt meist direkt nach dem Eintreffen und dient dazu, begrenzte medizinische Ressourcen effektiv zu nutzen. Ziel ist es, lebensbedrohliche Zustände schnell zu erkennen und entsprechend priorisiert zu behandeln. Meist begutachtet eine Pflegefachkraft die eintreffende Person. Sie legt fest, wie dringlich ihr Fall ist. Weltweiter Goldstandard für die Triage ist ein sogenanntes 5-Stufen System. Ein Beispiel für ein Triage-Konzept des Krankenhaus in Bordeaux zeigt diese Tabelle:
Stufe | Situation | Risiko | Wartezeit |
---|---|---|---|
1 (rot) | Lebensbedrohliche Notlage | In den nächsten Minuten | Behandlung < 1 Min |
2 (organge) | Beeinträchtigung eines vitalen Organs oder schwere Verletzung | In den nächsten Stunden | Behandlung < 20 Min |
3 (gelb) | Instabile oder komplexe funktionelle oder strukturelle Störung | Innerhalb von 24 Stunden | Behandlung < 90 Min |
4 (gelb/grün) | Stabile funktionelle oder strukturelle Störung | Kein Risiko | Behandlung < 120 Min |
5 (blau) | Keine erkennbare funktionelle oder strukturelle Störung | Kein Risiko | Behandlung < 240 Min |
Im Gegensatz zur präklinischen Triage gibt es in der Notaufnahme in der Regel nicht die Stufe der Nicht-Behandlung.
Wie kann KI zur Versorgung beitragen?
Medizinische Entscheidungen, die durch Menschen getroffen werden, können immer auch Fehler beinhalten. Trotz verschiedener funktionierender Klassifikationssysteme sind Einteilungen immer durch Biases beeinflusst: Alter, Geschlecht, Ethnizität, Versicherungsstatus und andere sozioökonomische Faktoren. Die niedrigste Wahrscheinlichkeit, akute Hilfe bei Symptomen wie Brustschmerzen zu bekommen, haben demnach schwarze Frauen. KI bietet Potenzial, durch medizinische Fragen solche Biases zu umgehen. Darüber hinaus kann es, wie in der behandelten Studie, dazu dienen, fehlerhafte Prozesse aufzuzeigen und zu verbessern.
Studie: Zugewiesener Schweregrad von Notfällen bei Frauen deutlich niedriger
Eine 2024 vom Forschungsteam um Ariel Guerra-Adames veröffentliche Studie aus Frankreich betrachtete die Situation in der Notaufnahme (NA) für Erwachsene im Universitätsklinikum in Bordeaux. Insgesamt analysierten sie 480.000 Eingänge zwischen 2013 und 2021. Die Forschenden nutzten Informationen zu genauem Zeitpunkt der Aufnahme, Geschlecht, Leitsymptomen, Krankheitsgeschichte, medizinischer Vorgeschichte, Vitalzeichen (Herzfrequenz, Atemfrequenz, Blutdruck u. a.) und den zugehörigen Triage-Score.
Zusätzlich wurden Informationen zu den involvierten Triage-Pflegefachpersonen (wie Geschlecht und Weiterbildung/Fortbildung im Bereich Triage) verwendet. Die Forschungsgruppe arbeitete mit verschiedenen AI-Programmen (Large-Language-Models, LLM). Sie trainierten sie zunächst mit Publikationen zum Thema Triage und klinischer Dokumentation und anschließend mit den NA-Fällen.
Wieso wurde KI verwendet?
KI wurde eingesetzt, um systematisch potenzielle Verzerrungen in der Notaufnahme-Triage zu identifizieren, die bei manueller Analyse schwer erkennbar sind. Das ermöglichte eine standardisierte Bewertung und die Flexibilität, Werte zu verändern und andere Ergebnisse zu beobachten und in Abwägungen mit einzuschließen.
Ergebnisse
Die Auswertung der Studie zeigte deutliche Unterschiede zwischen den Bewertungen von vergleichbaren Triage-Fällen bei Frauen und Männern. Dabei machte sich der Geschlechtsunterschied nicht nur auf der behandelten sondern auch der behandelnden Seite sichtbar: Weibliche Pflegekräfte vergaben generell mit einer durchschnittlichen Triagierung von 3,29 Punkten schwerwiegendere Triage-Fälle, als ihre männlichen Kollegen mit einem Durchschnittswert von 3,30. Gleichzeitig wurden Frauen, die in die Notaufnahme kamen, „untertriagiert“, also als weniger dringlich eingeschätzt. Dieser Effekt lag besonders bei weiblichen Pflegekräften im Gewicht. Mit Berufserfahrung und Qualifikation der Pflegefachperson sank das Ausmaß der Verkennung. Männer, die in die Notaufnahme kamen, bewertete man tendenziell hoch.
Pflegefachkraft Stellenangebote
Zur Validation führte das Forschungsteam außerdem eine Transformation durch: Sie veränderten in allen Fallakten das Geschlecht zum gegenteiligen und testeten erneut die Triage-Punkte. Das ergab, dass bei der Transformation von Frau zu Mann etwas mehr Fälle über- (3,69 Prozent) als unter-triagiert wurden (2,86 Prozent). Ganz anders sah das bei der Umkehr von männlicher zu weiblicher Geschlechtsangabe aus. Hier vergaben die LLMs nur noch in 1,81 Prozent der Fälle dringlichere Triage-Scores, während sie fast 5 Prozent der Fälle unterbewertete. Der statistische Test zeigte einen signifikanten Unterschied an, bei dem die Wahrscheinlichkeit, dass die Ergebnisse zufällig entstanden sind, im verschwindend geringen Bereich liegt.
Wieso werden Frauen bei der Triage unterbewertet?
Die Gründe für geschlechtsabhängige Unterschiede bei der Bewertung von Behandlungsnotwendigkeiten von NA-Aufsuchenden sind vielfältig. Einerseits weichen Symptome bei Patientinnen häufig von der gelehrten (männlichen) Norm ab und können diffuse Entschlüsse hervorrufen. So kann ein Herzinfarkt bei einer Frau sich häufiger durch Bauch- oder Zahnschmerzen, Schwindel oder ganz andere Symptome äußern und seltener durch Brustschmerzen auffallen.
Medizinische Fachangestellte Stellenangebote
Gleichzeitig sind alle Menschen bei Entscheidungen durch verschiedene Biases geprägt. Bei der Geschlechtsunterscheidung ist dabei vor allem der Gender Bias ausschlaggebend, nach dem Frauen Stereotypen zugeordnet werden. Schmerzäußerungen werten Fachkräfte in Krankenhäusern häufig als „hysterisch“ ab und nehmen diese weniger ernst.
Während man Frauen damit vorwirft, ihre Beschwerden zu übertreiben oder diese auf „normale“ Funktionen des weiblichen Körpers (Mittelschmerz, Menstruationsschmerz und weitere) bezieht, äußern Männer ihre Schmerzen dann, wenn sie zur Bedrohung werden. Beispielsweise werden Schmerzen, die von Patientinnen geäußert werden, häufiger als psychisch eingeordnet. Diese Beeinflussung muss nicht bewusst passieren und kann auch durch die diskriminierten Personen übernommen werden. Im Studienbeispiel: Die weiblichen Pflegekräfte bewerten Männer dringlicher und Frauen weniger dringlich.
Hinweis: Frauen*
Im diesem Text ist von “Frauen“ die Rede, da sich die Studienergebnisse der vorgestellten Veröffentlichung auf Frauen beziehen. Stereotypen und geschlechtsbezogene Diskriminierung in der Medizin wenden sich jedoch nicht allein gegen Frauen, sondern auch gegen andere Minderheiten, denen typisch weibliche Attribute zugesprochen werden, etwa FLINTA*-Personen (Akronym für Frauen, Lesben, intergeschlechtliche, nichtbinäre, Trans- und asexuelle Personen). Auch Männer können unter dem Gender Bias diskriminiert werden, wenn sie typisch weiblich konnotierte Verhaltensweisen oder äußerliche Merkmale vorweisen.
Frauen werden verkannt – Folgen und Ausblick
Die Folgen von Gender Biases in der Notaufnahme oder im medizinischen Kontext im Allgemeinen können verheerend sein. Es kommt zu Fehl- oder verspäteten Diagnosen, die die Prognose verschlechtern und die Patientinnen leiden lassen können. Frauen erhalten seltener Leitlinientherapien und bekommen seltener Schmerzmittel, dafür aber häufiger Sedativa verschrieben als Männer. Das hat nicht nur Auswirkungen auf die Patientinnen an sich, sondern trägt auch zum strukturellen Problem der Gender Health Gap bei.
Und wie soll man damit umgehen? Bereits seit einigen Jahren wird mehr und mehr Hoffnung auf KI gesetzt, um strukturelle Biases in Sachen Gender, Ethnie und andere sozioökonomische Faktoren zu erkennen und an Tools gearbeitet, diese möglichst im Alltag zu umgehen. Um das strukturelle Problem zu verbessern, ist es aber auch bedeutend, als medizinische Fachkraft die eigenen Überzeugungen und Entscheidungen regelmäßig zu Hinterfragen und neu einzuordnen.
Stellenanzeigen in der Pflege
Wer auf der Suche nach neuen beruflichen Herausforderungen ist, findet bei Medi-Karriere eine Vielzahl an Stellen für Pflegefachpersonen, Berufsangebote für Altenpflegekräfte und andere Jobs in der Pflege.
- Guerra-Adames et al., Uncovering Judgment Biases in Emergency Triage: A Public Health Approach Based on Large Language Models, erschien in: Proceedings of Machine Learning Research, Ausgabe 259, 2025
- Amacher et al., Sex disparities in ICU care and outcomes after cardiac arrest: a Swiss nationwide analysis, erschien in: Critical Care, Ausgabe 29, 2025
- Coisy et al., Do emergency medicine health care workers rate triage level of chest pain differently based upon appearance in simulated patients?, erschien in: European Journal of Emergency Medicine, 2023